Stephan Hartmann

We appeal to the theory of Bayesian Networks to model different strategies for obtaining confirmation for a hypothesis from experimental test results provided by less than fully reliable instruments. In particular, we consider (i) repeated measurements of a single test consequence of the hypothesis, (ii) measurements of multiple test consequences of the hypothesis, (iii) theoretical support for the reliability of the instrument, and (iv) calibration procedures. We evaluate these strategies on their relative merits under idealized conditions and show some surprising repercussions on the variety-of-evidence thesis and the Duhem-Quine thesis.

Many results of modern physics—those of quantum mechanics, for instance—come in a probabilistic guise. But what do probabilistic statements in physics mean? Are probabilities matters of objective fact and part of the furniture of the world, as objectivists think? Or do they only express ignorance or belief, as Bayesians suggest? And how are probabilistic hypotheses justified and supported by empirical evidence? Finally, what does the probabilistic nature of physics imply for our understanding of the world? This volume is the first to provide a philosophical appraisal of probabilities in all of physics. Its main aim is to make sense of probabilistic statements as they occur in the various physical theories and models and to provide a plausible epistemology and metaphysics of probabilities. The essays collected here consider statistical physics, probabilistic modelling, and quantum mechanics, and critically assess the merits and disadvantages of objectivist and subjectivist views of probabilities in these fields. In particular, the Bayesian and Humean views of probabilities and the varieties of Boltzmann's typicality approach are examined. The contributions on quantum mechanics discuss the special character of quantum correlations, the justification of the famous Born Rule, and the role of probabilities in a quantum field theoretic framework. Finally, the connections between probabilities and foundational issues in physics are explored. The Reversibility Paradox, the notion of entropy, and the ontology of quantum mechanics are discussed. Other essays consider Humean supervenience and the question whether the physical world is deterministic.

Wann ist Kohärenz ein Indiz für Wahrheit? Können Informationsmengen immer entsprechend ihrer Kohärenz geordnet werden? Welche Rolle spielt Kohärenz bei der Theoriewahl in der Wissenschaft? Unter welchen Umständen kann eine wissenschaftliche Theorie mit nur teilweise zuverlässigen Messinstrumenten bestätigt werden? Ist die Belegvielfaltsthese wahr? Warum sind übereinstimmende Aussagen unabhängiger Zeugen so gewichtig? Dies sind einige der Fragen, die in diesem Buch in einem wahrscheinlichkeitstheoretischen Kontext und auf der Grundlage konkreter Modelle behandelt werden. Darüber hinaus bietet das Buch eine elementare Einführung in die Theorie der Bayesianischen Netzwerke und zeigt Verbindungen auf zu Debatten in der Kognitionswissenschaft (Tversky und Kahnemans Linda Problem), Sozialwahltheorie (Condorcet Jury Theorem) und Informatik (Repräsentation von Glaubenssystemen). Das Buch richtet sich an alle, die sich für die Anwendung wahrscheinlichkeitstheoretischer Methoden in der Philosophie interessieren.

Various scientific theories stand in a reductive relation to each other. In a recent article, we have argued that a generalized version of the Nagel-Schaffner model (GNS) is the right account of this relation. In this article, we present a Bayesian analysis of how GNS impacts on confirmation. We formalize the relation between the reducing and the reduced theory before and after the reduction using Bayesian networks, and thereby show that, post-reduction, the two theories are confirmatory of each other. We then ask when a purported reduction should be accepted on epistemic grounds. To do so, we compare the prior and posterior probabilities of the conjunction of both theories before and after the reduction and ask how well each is confirmed by the available evidence

Der Begriff ‘Modell’ leitet sich vom Lateinischen ‘modulus’ (das Maß) ab, im Italienischen existiert seit dem 16. Jh. ‘modello’ und R. Descartes verwendet im 17. Jh. ‘modèlle’. Während der Begriff in Architektur und Kunst schon seit der Renaissance gängig ist, wird er in den Naturwissenschaften erst im 19. Jh. verwendet.1 Dort greifen wissenschaftliche Modelle die für eine gegebene Problemstellung als wesentlich erachteten Charakteristika (Eigenschaften, Beziehungen, etc.) eines Untersuchungsgegenstandes heraus und machen diesen so einem Verständnis bzw. einer weiterführenden Untersuchung zugänglich. Es ist üblich, zwischen Skalenmodellen, Analogmodellen und theoretischen Modellen zu unterscheiden.